根据所给的一段黑神话的文本，构建单词表和出现次数的字典。 3、输出频率最高的10个单词，去除冠词、代词和介词等无意义的单词。 4、可以定义多个函数分别实现独立的功能。在主模块中串联各个函数，实现总体上的功能

要根据给定的文本构建单词表并计算单词出现的频率，我们可以按照以下步骤进行：

1. 预处理文本：首先，我们需要对文本进行预处理，去除标点符号、数字，并将所有单词转换为小写，以便统计时不区分大小写。
2. 分词：将预处理后的文本分割成单词。
3. 构建单词表：创建一个字典来存储单词及其出现的次数。
4. 过滤无意义单词：创建一个列表包含所有需要被过滤的词性，如冠词、代词和介词等。
5. 统计频率：遍历分词后的单词，更新单词表中单词的计数，并过滤掉无意义的单词。
6. 输出前10个频率最高的单词：根据单词表中的计数，选出出现次数最多的10个单词。

下面是这个过程的伪代码实现：

import string

def preprocess_text(text):
    # 移除标点符号
    text = text.translate(str.maketrans('', '', string.punctuation))
    # 移除数字
    text = ''.join(filter(lambda x: not x.isdigit(), text))
    # 转换为小写
    text = text.lower()
    return text

def tokenize(text):
    # 分词，这里简单使用空格分割
    return text.split()

def build_word_frequency_table(tokens):
    # 创建单词频率字典
    frequency_table = {}
    # 遍历分词结果
    for token in tokens:
        # 如果单词不在过滤列表中，则计数
        if token not in stopwords:
            frequency_table[token] = frequency_table.get(token, 0) + 1
    return frequency_table

def get_top_n_frequent_words(frequency_table, n=10):
    # 根据计数获取前N个最频繁出现的单词
    return sorted(frequency_table.items(), key=lambda x: x[1], reverse=True)[:n]

# 主模块
def main():
    text = "给定的黑神话文本内容"
    # 预处理文本
    preprocessed_text = preprocess_text(text)
    # 分词
    tokens = tokenize(preprocessed_text)
    # 构建单词频率表
    word_frequency_table = build_word_frequency_table(tokens)
    # 获取前10个最频繁出现的单词
    top_10_words = get_top_n_frequent_words(word_frequency_table)
    # 输出结果
    for word, count in top_10_words:
        print(f"单词: {word}, 出现次数: {count}")

# 停用词列表，这里应根据实际情况填充
stopwords = set([
    'the', 'a', 'an', 'and', 'or', 'but', 'is', 'are', 'of', 'to', 'in', 'for', 'on', 'with', 'as', 'by', 'that', 'this', 'it'
])

if __name__ == "__main__":
    main()